[發(fā)明專利]一種基于時間遞歸神經(jīng)網(wǎng)絡(luò)的交通流速度預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201811002457.0
• 申請日: 2018-08-30
• 公開（公告）號: CN109118014A
• 公開（公告）日: 2019-01-01
• 發(fā)明（設(shè)計）人: 楊旭華;高斯城
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強

一種基于時間遞歸神經(jīng)網(wǎng)絡(luò)的交通流速度預(yù)測方法，包括以下步驟：步驟一：構(gòu)建交通流時空輸入矩陣；步驟二：構(gòu)建基于長短期記憶網(wǎng)絡(luò)結(jié)構(gòu)的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；步驟三：用時空輸入數(shù)據(jù)集訓(xùn)練整個循環(huán)神經(jīng)網(wǎng)絡(luò)，調(diào)整模型內(nèi)部的權(quán)重參數(shù)；步驟四：用已訓(xùn)練的模型來預(yù)測交通流速度。本發(fā)明考慮各路段各個時間段內(nèi)的交通流速度的內(nèi)在關(guān)系，有效提取時間序列數(shù)據(jù)的信息，實現(xiàn)了對未來時間段內(nèi)道路交通流速度的精準預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明涉及機器學(xué)習(xí)和智能交通領(lǐng)域，特別是指一種基于時間遞歸神經(jīng)網(wǎng)絡(luò)的交通流速度預(yù)測方法。

背景技術(shù)

隨著社會的發(fā)展，以及城市化進程的不斷推進，高效、便利且安全的交通系統(tǒng)已經(jīng)成為人民生活的基本需要。為緩解交通困難，城市陸續(xù)修建高架道路，減少了道路交叉的同時，增加道路容量。然而，隨著交通系統(tǒng)日益變得復(fù)雜，交通管理的難度日益加大。在城市快速路等快速公路路網(wǎng)中，不設(shè)置紅綠燈，限制速度比一般道路高，這就導(dǎo)致快速路的整體平均交通流速度偏高。大型的車輛較多地選擇在快速路上行駛，而一旦發(fā)生超速，所造成的災(zāi)禍是相對于平均速度較低的情況下比較嚴重的。因此，對快速公路路網(wǎng)的交通流速度進行管控尤為重要。交通流速度預(yù)測模型能夠根據(jù)歷史道路交通流速度的情況預(yù)測未來道路交通流速度，對交通事故或者交通擁堵起到預(yù)警作用，在一定程度上緩解交通問題。

現(xiàn)有研究中已存在交通流速度預(yù)測模型的建立方法。多元線性回歸模型通過分析歷史數(shù)據(jù)自變量和因變量之間的關(guān)系來得到預(yù)測值；歷史趨勢法將一個時間段的歷史數(shù)據(jù)的平均值作為當(dāng)前時間段的預(yù)測依據(jù)；卡爾曼濾波法結(jié)合現(xiàn)代自動控制理論，利用狀態(tài)空間模型來描述交通系統(tǒng)。這些基于統(tǒng)計理論的模型無法對突發(fā)交通狀況做出準確預(yù)測，不能很好地模擬交通隨機性。另外，一些交通流速度預(yù)測模型的建立只對空間速度數(shù)據(jù)做處理，沒有結(jié)合時間速度數(shù)據(jù)，導(dǎo)致預(yù)測結(jié)果的不準確。

隨著云計算、大數(shù)據(jù)時代的到來，計算能力的大幅提升可以增加復(fù)雜模型的訓(xùn)練效率，訓(xùn)練數(shù)據(jù)的大幅增加可以降低過擬合的風(fēng)險，因此從神經(jīng)網(wǎng)絡(luò)衍化出的深度學(xué)習(xí)這類復(fù)雜模型受到廣泛的關(guān)注。針對交通流速度預(yù)測的問題，深度學(xué)習(xí)可以構(gòu)建交通流速度預(yù)測模型。一般的基于全連接神經(jīng)網(wǎng)絡(luò)的方法存在參數(shù)多、無法利用數(shù)據(jù)中時間序列的信息等問題。而循環(huán)神經(jīng)網(wǎng)絡(luò)能挖掘數(shù)據(jù)中的時序信息，但無法處理長期依賴的問題。長短期記憶網(wǎng)絡(luò)的設(shè)計可以解決這個問題。

發(fā)明內(nèi)容

為了克服現(xiàn)有預(yù)測交通流速度的方法難以對大規(guī)模的交通數(shù)據(jù)進行有效挖掘，充分提取時間序列信息等問題，本發(fā)明利用深度學(xué)習(xí)設(shè)計了一種預(yù)測精度較高的基于時間遞歸神經(jīng)網(wǎng)絡(luò)的交通流速度預(yù)測方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案如下：

一種基于時間遞歸神經(jīng)網(wǎng)絡(luò)的交通流速度預(yù)測方法，包括如下步驟：

步驟一：針對一條待預(yù)測交通流速度的道路，將該道路分隔為M個路段，從T時刻開始，以時間間隔t對道路上行駛的車輛速度數(shù)據(jù)進行采樣，將一個路段上車輛的平均速度作為該時刻該路段的交通流速度，進而構(gòu)建一個M×N的交通流時空輸入矩陣

其中N表示一個時間周期內(nèi)，對車輛數(shù)據(jù)采樣的次數(shù)，v_i,j表示在j時刻，路段i的交通流速度；

步驟二：構(gòu)建基于長短期記憶網(wǎng)絡(luò)結(jié)構(gòu)的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，循環(huán)神經(jīng)網(wǎng)絡(luò)的輸入層有一層輸入層，兩層隱藏層，一層全連接層和一層輸出層，其中使用兩層長短期記憶網(wǎng)絡(luò)結(jié)構(gòu)作為隱藏層，再將多層長短期記憶網(wǎng)絡(luò)結(jié)構(gòu)通過接口連接成循環(huán)神經(jīng)網(wǎng)絡(luò)，接著對長短期記憶網(wǎng)絡(luò)的輸出增加一層全連接層；